Sber 震撼發布 GreenWAM，單一模型通殺 20 種機器人，世界模擬與策略執行全包了

重點摘要

• GreenWAM 打破傳統單一角色限制，單一基礎模型同時處理世界模擬與機器人策略執行，權重已公開於 HuggingFace。
• 模型引入共享解剖動作空間，將 20 種機器人家族從雙臂機械臂到靈巧人形機器人的關節座標統一，支援跨具身聯合訓練。
• 在 WorldArena 1.0 基準測試中，GreenWAM 的軌跡、深度與 3D 精度超越所有世界動作模型與影片生成器，並在真實人形硬體上勝過 π₀.₅ 與 Cosmos 3 Edge 的適配策略。

單一模型雙重角色：世界模擬與策略執行的結構性張力

過去機器人基礎模型通常只針對單一角色建構與評估，要嘛是預測環境變化的世界模型，要嘛是輸出控制指令的策略模型。GreenWAM 論文頁面直接點明「Models are usually built and evaluated for only one of these roles」，同時也替自己定位：在單一基礎模型中統合這兩種功能。這種設計呼應了 CVPR 2026 的業界共識，Tesla、Waymo 與 Nvidia 在會議上的討論都指向同一結論：頂尖世界模型必須學會「世界接下來會怎麼變」，而不僅僅是學習代理如何行動。

統合兩種角色，架構就得跟著複雜起來。GreenWAM 的 policy 架構在推論階段將 action expert 從 generator 中分離出來，論文稱之為「policies that split an action expert off the generator」，這種設計暗示世界模擬與動作生成在計算需求或資訊流上確實有落差。分離是否帶來推論瓶頸、在需要即時反應的機器人應用中會累積多少延遲，dossier 未提供進一步細節。退一步問：這套架構能否橫跨差異懸殊的機器人型態，而不必為每種重新設計？

20 種機器人家族的共享解剖空間：跨具身統一的技術挑戰

GreenWAM 最大的創新，是用共同關節座標打造一套共享解剖動作空間，把雙臂機械臂到靈巧人形機器人等 20 種機器人家族統一收納，論文描述為「a shared anatomical action space that describes 20 robot families, from bimanual arms to dexterous humanoids, in common joint coordinates」。這種統一編碼使模型能在視覺、action-conditioned 與 world-action 三種模式下進行聯合訓練，覆蓋所有 20 種機器人家族。

這種跨具身設計與 2026 年同期的 AFUN 走了不同的路。AFUN 的目標是從單一 RGB-D 影像與語言指令中同時輸出任務條件功能遮罩與 3D 接觸後運動，聚焦 affordance localization 與 action prediction 的統一，針對較窄的感知與動作範圍。GreenWAM 則選擇水平擴充，試圖讓一套動作表示橫跨 20 種不同機器人型態，不必為每種重新訓練。兩條路線目前都在跑，誰在實際部署中更具優勢，還沒有答案。

ICRA 2026 的報導進一步指出，SLAM 正與世界模型和大模型推理融合，成為具身智慧的新基礎設施，靜態地圖時代的假設正在被打破。GreenWAM 的 20 家族共享空間可視為這一趨勢的具體實踐，統一動作表示讓世界模型在不同具身形態間遷移。設計方向對上了產業大勢；基準數字能不能支撐這個方向，測試結果給了初步答案。

基準測試表現：頂尖成績背後的評估盲點

在 WorldArena 1.0 基準測試中，GreenWAM 在軌跡、深度與 3D 精度上達到頂尖水準，論文稱「attains top-tier trajectory, depth and 3D accuracy on WorldArena 1.0, ahead of every world-action model and video generator」。在 RoboTwin 2.0 policy leaderboard 上，GreenWAM 位列頂尖條目之一；在 LIBERO-plus 上，則取得比較方法中最高的 zero-shot 成功率。

不過，dossier 未提供具體數值，例如成功率百分比或精確排名位置。「頂尖」的實際含義因此難以評估，WorldArena 1.0 與 RoboTwin 2.0 的評估維度、測試場景複雜度，以及與其他模型的差距大小，都是理解 GreenWAM 實際能力的必要脈絡，目前無法從公開資料中獲取。

在真實人形硬體上，GreenWAM 的表現勝過 π₀.₅ 與 Cosmos 3 Edge 的適配策略。物理環境的驗證比純模擬數字更有說服力，但具體測試的任務、環境條件與評估指標，dossier 未予說明，難以判斷優勢的範圍與穩定性。GreenWAM 可被蒸餾為單步策略以支援物理機器人的即時部署，這一特性對實際應用至關重要，但蒸餾帶來的效能損失或速度與精度之間的取捨，目前缺乏詳細資料。這些空白，最終得靠開放社群來填補。

公開權重與生態位：基礎模型開放策略的雙面性

GreenWAM 的模型權重已公開於 HuggingFace 的 SberRoboticsCenter/GreenWAM 儲存庫，允許研究社群複現、驗證與擴展模型，加速跨機構協作。對資源有限的團隊而言，計算資源與工程整合的門檻依然存在，大型基礎模型的部署與微調並不輕鬆。

GreenWAM 的發布時間點落在 2026 年機器人基礎模型的大趨勢交匯處：CVPR 2026 確立了世界模型必須學會環境動態變化的設計原則，ICRA 2026 顯示 SLAM 與世界模型的融合正在改變具身智慧的基礎設施。20 家族共享空間與雙重角色設計，都直接回應了這兩個方向。後續競爭力要靠迭代速度、社群採用程度，以及與 AFUN 等垂直路線的實際應用對比，目前都還沒有足夠的公開資料可以評估。

Sber Robotics Center 作為開發機構，其定位、資金結構與研究使命在 dossier 中未予說明，外界難以評估 GreenWAM 在 Sber 整體機器人戰略裡的地位，開源出於學術貢獻、社群經營或商業佈局，也無法從公開資料中確認。這個問號，讓 GreenWAM 的處境顯得有些特殊：模型把 20 種機器人家族統合進同一套解剖空間，打破了一個模型只扮演一個角色的慣例，發布它的機構卻讓自己的角色維持模糊。